[发明专利]基于云模型的风电场功率爬坡风险评估方法

说明书

本发明提供一种基于云模型的风电场功率爬坡风险评估方法，包括步骤：S1：划分风险等级，并利用一标准风险云模型生成标准风险云；S2：根据风险评估需求，采集风电场功率爬坡风险相关数据，并对采集到的所述风电场功率爬坡风险相关数据进行预处理；S3：通过一风险属性云逆向生成模型生成风险属性云；S4：利用一综合风险模型对所述风险属性云进行计算获得综合风险云；S5：风险评估步骤；S6：计算当前风险值。本发明的一种基于云模型的风电场功率爬坡风险评估方法，提供了一种借助于云模型理论，根据风电场功率爬坡主要特征量建立云模型，并确定风险值，对风险作出定量分析的风电场功率爬坡风险评估方法。

技术领域

本发明涉及风电场领域，尤其涉及一种基于云模型的风电场功率爬坡风险评估方法。

背景技术

风能会受到气象信息和地理环境等诸多方面的影响，随着天气变化和地理位置的不同，风能呈现出不同的间歇性变化，因此风电功率也会随之具有不确定性和波动性等特征。而且我国的风电并网的发展模式多为大规模、集中式并网，所以大规模的风功率并网势必给电网造成潜在的危机，严重影响电力系统的安全稳定、调频调峰、经济运行等各个方面，特别是在极端气象条件下，风电功率可能会发生高风险爬坡事件，即在较短时间内风电场的功率输出出现的剧烈波动，从而使电力系统负荷平衡和电源平衡遭到破坏。

近年来，关于风险评估方法及评估模型的研究吸引了国内外众多学者，传统的风险评估方法通常都局限于评估技巧的改进，很少从风险的本质属性如风险具有随机性方面进行研究。云模型是一种描述非确定性关系的数学方法，在模糊数学和统计学的基础上，将模糊性和随机性相结合，构成定性描述和定量描述之间的相互映射关系，作为自然语言和数据语言的转换基础。云模型的数字特征用期望值(Ex)、熵(En)和超熵(He)来表示。

发明内容

针对上述现有技术中的不足，本发明提供一种基于云模型的风电场功率爬坡风险评估方法，提供了一种借助于云模型理论，根据风电场功率爬坡主要特征量建立云模型，并确定风险值，对风险作出定量分析的风电场功率爬坡风险评估方法。

为了实现上述目的，本发明提供一种基于云模型的风电场功率爬坡风险评估方法，包括步骤：

S1：划分风险等级，并利用一标准风险云模型生成标准风险云；

S2：根据风险评估需求，采集风电场功率爬坡风险相关数据，并对采集到的所述风电场功率爬坡风险相关数据进行预处理；

S3：通过一风险属性云逆向生成模型生成风险属性云；

S4：利用一综合风险模型对所述风险属性云进行计算获得综合风险云；

S5：风险评估步骤；

S6：计算当前风险值。

优选地，所述S1步骤进一步包括步骤：

预设一风险值取值范围；

将所述风险值取值范围分为n个子区间，其中第i子区间表示为其中为第i子区间的最小值，为第i子区间的最大值，n为大于2的自然数，i为自然数；

利用所述标准风险云模型生成所述标准风险云。

优选地，所述标准风险云模型为：i＝1,2,…,n，n为大于2的自然数；

其中，表示标准风险云；表示所述标准风险云的期望；表示所述标准风险云的熵；表示所述标准风险云的超熵；η表示所述标准风险云的随机性系数。

优选地，所述风电场功率爬坡风险相关数据包括：爬坡持续时间和爬坡量。

优选地，所述预处理步骤包括：对每种所述风电场功率爬坡风险相关数据划分多个等级。